Carane wektu, kerumitan, lan pengaruh mbingungake apa cara sing digunakake
Sampeyan kudu nggawe pancasan gedhe lan cilik saindhenging saben dina ing gesang panjenengan. Apa sampeyan pengin sarapan? Wektu apa sampeyan kudu ketemu karo kanca nalika nedha bengi? Apa sampeyan kudu sekolah? Carane akeh bocah sing pengin duwe?
Nalika ngadhepi sawetara kaputusan, sampeyan bisa uga digodha kanggo nutupi dhuwit lan supaya nemtokake nasibmu.
Ing sawetara kasus, kita ngetutake strategi utawa strategi tartamtu kanggo entuk kaputusan. Kanggo akeh keputusan sing sithik sing ditindakake saben dina, saben denda ora bakal dadi pendekatan sing elek. Kanggo sawetara kaputusan sing rumit lan penting, kita luwih seneng nandur modal, riset, usaha, lan energi mental menyang kesimpulan sing bener.
Dadi, carane persis proses iki bisa digunakake? Ing ngisor iki sawetara strategi utama sing bisa digunakake.
Model Single-Feature
Pendekatan iki melu enggone ngetrapake keputusan sampeyan kanthi siji-siji. Contone, mbayangno yen sampeyan tuku sabun. Ngadhepi karo macem-macem pilihan ing toko lokal, sampeyan bakal nemtokake keputusan sampeyan ing rega lan tuku sabun murah sing kasedhiya. Ing kasus iki, sampeyan ora nggatekake variabel liyane (kayata aroma, merek, reputasi, lan efektifitas) lan fokus marang mung siji fitur.
Pendekatan siji-fitur bisa efektif ing kahanan sing kaputusan relatif sederhana lan sampeyan terus ditekan. Nanging, iku ora umum minangka strategi paling apik nalika nangani keputusan sing luwih rumit.
Model Fitur Tambahan
Cara iki kalebu njupuk kabeh fitur penting saka pilihan sing bisa ditindakake banjur kanthi sistematis ngevaluasi saben opsi.
Pendekatan iki cenderung dadi cara sing luwih apik nalika nggawe keputusan sing luwih rumit.
Contone, bayangake yen sampeyan kepengin tuku kamera anyar. Sampeyan nggawe dhaptar fitur penting sing pengin duwe kamera, banjur sampeyan menehi rating saben opsi sing bisa dimanfaatake kanthi skala -5 kanggo +5. Kamera sing nduweni kaluwihan penting bisa njaluk rating 5 + kanggo faktor kasebut, dene sing nduweni kelemahan utama bisa njaluk rating -5 kanggo faktor kasebut. Yen sampeyan wis nyawang saben opsi, sampeyan bisa ngasilake asil kanggo nemtokake opsi apa sing paling dhuwur.
Model fitur aditif bisa dadi cara sing paling apik kanggo nemtokake pilihan paling apik ing antarane macem-macem pilihan. Minangka sampeyan bisa mbayangno, Nanging, bisa cukup wektu-akeh lan mbokmenawa ora strategi nggawe keputusan sing paling apik kanggo nggunakake yen sampeyan dipencet wektu.
Elimination by Aspects Model
Eliminasi dening model aspèk kasebut pisanan diusulake dening psikolog Amos Tversky ing taun 1972. Ing pendekatan iki, sampeyan ngira-ngira saben opsi siji karakteristik ing wektu sing diwiwiti karo apa wae fitur sing sampeyan pracaya minangka sing paling penting. Nalika item ora ketemu kritéria sing wis ditemtokake, sampeyan kudu ngliwati item kasebut saka opsi sampeyan. Dhaptar pilihan sampeyan bisa luwih cilik lan luwih cilik nalika sampeyan ngliwati item nganti sampeyan pungkasanipun teka ing mung siji alternatif.
Making Decisions in Face of Uncertainty
Pangolahan telu sadurungé asring digunakake ing kasus-kasus sing pancasan cukup gampang, nanging apa sing kedadeyan nalika ana risiko, ora jelas, utawa ora mesthi? Contone, bayangake kowe mlaku-mlaku kanggo kelas psikologi. Apa sampeyan kudu nyepetake wates kacepetan supaya bisa ana ing wektu kasebut, nanging risiko njupuk tiket sing cepet? Utawa sampeyan kudu ngeterake kacepetan kacepetan, resiko bakal kasep, lan bisa njaluk poin sing docked kanggo ngilangi kuis pop terjadwal? Ing kasus iki, sampeyan kudu ngetung kemungkinan sing bisa kasep kanggo janjian sampeyan babagan kemungkinan sing bakal entuk tiket sing cepet.
Nalika nggawe kaputusan ing kahanan kaya mengkono, wong-wong cenderung nggayuh loro strategi nggawe keputusan: heuristic kasedhiyan lan representativitas heuristik. Elingi, heuristik minangka pola pikir mental sing bisa digunakake kanggo nggawe keputusan lan pengadilan kanthi cepet.
- Kasedhiya Heuristik : Nalika kita nyoba nemtokake carane kamungkinan sing ana, kita asring nyinaoni perkiraan kaya mengkono carane gampang kita bisa ngeling-eling acara sing padha kedadeyan ing jaman kepungkur. Contone, yen sampeyan nyoba nemtokake manawa sampeyan kudu mlayu liwat wates kacepetan lan resiko njupuk tiket, sampeyan bisa uga mikir yen sapisanan sampeyan wis weruh wong sing ditarik dening perwira polisi ing dalan tartamtu. Yen sampeyan ora bisa langsung ngemut apa wae conto, sampeyan bisa milih kanggo ndhisiki lan njupuk kasempatan, amarga kasedhiyan heuristik wis mimpin sampeyan ngadili sing sawetara wong bisa ditarik kanggo nggedhekake rute tartamtu. Yen sampeyan bisa mikirake conto akeh wong sing bakal ditarik, sampeyan bisa nemtokake yen mung aman lan nyepetake kacepetan kacepetan.
- Representativeness Heuristic : Shortcut mental iki mbandhingake kahanan kita saiki ing prototipe kita saka acara utawa prilaku tartamtu. Contone, nalika nyoba nemtokake manawa sampeyan kudu nyepetake wektu kanggo kelas sampeyan, sampeyan bisa mbandhingake gambar sampeyan menyang wong sing paling cendhak. Yen prototipe iku remaja sing ora sopan sing ndorong mobil rodha panas lan sampeyan pengusaha enom sing ngusir sedan, sampeyan bisa ngira yen kemungkinan nggayuh tiket ngebut cukup kurang.
Proses nggawe keputusan bisa dadi loro prasaja (kayata kanthi acak njupuk saka opsi sing kasedhiya kita) utawa kompleks (kayata sacara sistematis nyakup aspek-aspek sing beda saka pilihan sing wis ana). Strategi sing kita gunakake gumantung ing macem-macem faktor, kalebu wektu manawa kita kudu nggawe keputusan, kerumitan sakabèhé keputusan, lan jumlah ambiguitas sing dilibatake.
> Sumber:
> Hockenbury, DH & Hockenbury, SE (2006). Psikologi. New York: Worth Publishers.
> Tversky, A. (1972). Elimination by aspects: A theory of choice. Psikologis Review, 80, 281-299.
> Tversky, A., & Kahneman, D. (1982). Pangadilan miturut kahanan sing durung mesthi: Heuristik lan biases. Ing Daniel Kahneman, Paul Slovic, & Amos Tversky (Eds.). Pangadilan miturut kahanan sing durung mesthi: Heuristik lan biases. New York: Cambridge University Press.